MSI - różne - odbedote

advertisement
MSI.doc
(77 KB) Pobierz
Sztuczna inteligencja – dział informatyki, który zajmuję się opisem zjawisk za pomocą programów, które wykorzystują symulację inteligentnych zachowań człowieka.
Metody sztucznej inteligencji:

Systemy ekspertowe

Zbiory rozmyte i logika rozmyta

Sztuczne sieci neuronowe

Algorytmy genetyczne i ewolucyjne

Teorie chaosu
Metody sztucznej inteligencji służą próbie opisywania rzeczywistości w sposób naśladujący rozumowanie człowieka wykorzystując do tego celu rozwiązania zaczerpnięte z biologii.
Sztuczne sieci neuronowe – program rozwiązujący specjalistyczne problemy wykorzystując analogie funkcjonowania mózgu; tzw. „czarna skrzynka”
Schemat sieci neuronowej:
Właściwości sieci neuronowych
Zalety:

Zdolność do poszerzania zasięgu zdobytej wiedzy !!!

Wady:
Nie wymagają znajomości opisu zjawisk

Brak możliwości uzyskania jawnego opisu zjawiska !!!

Potrzeba duża liczba przypadków danych
Zdolność aproksymacji i uogólnienia:
R – zakres modelowego systemu
L – zbiór danych uczących
V – zbiór danych sprawdzających
T – zbiór danych testujących
Sieć ma dobre własności aproksymujące wtedy, gdy liczba neuronów w warstwie ukrytej nie przekracza 2N+1 (N – liczba neuronów w warstwie wejściowej)
Sieć neuronowa dobre wartości uogólniające wtedy, gdy liczba przypadków jest 10 razy większa niż jest połączeń w tej sieci.
Aproksymacja – proces określania rozwiązań przybliżonych na podstawie rozwiązań znanych, które są bliskie rozwiązaniom dokładnym w ściśle sprecyzowanym sensie.
Miara VCdim
Oszacowanie miary VCdim umożliwia ocenę minimalnego wymiaru zbioru uczącego. W wyniku przeprowadzenia wielu testów numerycznych stwierdzono dobre zdolności uogólniania sieci, jeśli liczba próbek uczących jest 10 razy
większa od miary VCdim
Modele sieci neuronowych:
1.
Model szeregu czasowego
2.
Model głównych składowych
Model szeregu czasowego
Zalety:

O badanym zjawisku nic nie trzeba wiedzieć

Wady:
Gdy zmienna jest zależna od czasu wtedy dobrze opisuje zjawisko

Występują zakłócenia

Problem musi być zależny od czasu
Jakość uczenia sieci zależy od:

Liczby danych uczących

Wyboru zbioru walidacyjnego

Długości uczenia

Punktu startowego
Jakość sieci (prognozy) zależy od:

Liczby przypadków uczących

Wyboru zmiennych wejściowych

Jakości uczenia się (czyli od tego wyzej)

Struktury sieci
Zasada uczenia sieci neuronowej:
Uczenie odbywa się pod nadzorem zewnętrznego nauczyciela. Nauczyciel otrzymuje informację jaka powinna być poprawna odpowiedź sieci neuronowej dla danego przykładu wejściowego. W kolejnym kroku sprawdza czy uzyskana
odpowiedz z SSN (sztucznej sieci neuronowej) jest właściwa, czy nie. Jeżeli jest właściwa, to wynik jest odpowiedzią, a jeżeli jest niewłaściwa, nauczyciel udziela podpowiedzi. Proces ten powtarzany jest tak długo, aż uzyskamy odpowiedź
bliską rzeczywistości.
System ekspertowy – program komputerowy przeznaczony do rozwiązania specjalistycznych problemów, zastępując w tym działania eksperta.
Systemy eksportowe – inteligentny program komputerowy, stosujący wiedzę i procedury wnioskowania (rozumowania) w celu rozwiązania problemów, które wymagają doświadczenia eksperta, nabytego w trakcie wieloletniej działalności
w danej dziedzinie.
Ogólna idea działania systemów eksportowych polega na przeniesieniu wiedzy eksperta z danej dziedziny do bazy wiedzy, zaprojektowaniu maszyny wnioskującej na podstawie posiadanych informacji oraz dodaniu interfejsu użytkownika,
służącego do komunikacji.
Cechy systemu ekspertowego
Zalety:

Stała, szybka i tania ekspertyza !!!

Jawna reprezentacja wiedzy

Zdolność wyjaśniania rozwiązań

Łatwość obsługi i rozbudowy

Wady:
Przetwarzanie symbolicznej wiedzy

Brak możliwości obliczeń !!!

Wiedza ograniczona do bazy wiedzy

Trudności pełnej weryfikacji

Zakres wiedzy ściśle sprecyzowany
Ekspert to osoba:

posiadająca wiedzę daleko wykraczającą poza wiedzę przeciętnego człowieka

która nabyła wiedzę ekspercką i doświadczenie w ściśle określonej dziedzinie poprzez długotrwałą i intensywną praktykę oraz wykształcenie

uznawana powszechnie za wiarygodne źródło wiedzy lub umiejętności w ściśle określonej dziedzinie

posiadająca zdolność słusznego oceniania i podejmowania trafnych i uznawanych za mądre decyzji

której status został przyznany przez przedstawicieli władz, rówieśników lub społeczeństwo ze względu na wykształcenie, wykonywany zawód, opublikowane pozycje literackie, doświadczenie, itd.
Ekspertyza – zbadanie rzeczy, sprawy lub zjawiska przez biegłego (eksperta) np. lekarza grafologa w celu wydania orzeczenia.
Zdefiniowanie problemu, którego rozwiązanie wymaga wiedzy eksperckiej. (klasyfikacja grzybów):

wyodrębnianie charakterystycznych cech obiektów

budowa drzew decyzyjnego

budowa systemu ekspertowego
Baza wiedzy – podstawowy element systemu eksportowego. Składa się na nią zbiór faktów i reguł. Wiedza występuje tu w formie schematów. Reguły składają się z faktów, które przybierają wartości. Reguły są zdaniami logicznymi, które
definiują pewne implikacje i prowadzą do stworzenia nowych faktów, co pozwala rozwiązać dany problem.
Algorytmy genetyczne – programy wykorzystujące procesy ewolucji i procesy genetyczne do rozwiązania problemów.
Właściwości Algorytmów genetycznych
Zalety:

Brak ograniczeń !!!

Zakodowana postać zadania

Poszukiwanie w populacji możliwych rozwiązań

Wady:
Duża skuteczność i szybkość metody

Konieczność zakodowania zadania optymalizacyjnego!!!
1.
Jakie znaczenie ma analiza wrażliwości?
Mówi nam o ważności poszczególnych danych wejściowych. Na podstawie analizy wrażliwości możemy usunąć najmniej ważną wartość wejściową. Wartość która ma najwyższą rangę ma najmniejszy wpływ na błąd całego modelu.
2. Jak się weryfikuje modele neuronowe a jak systemy ekspertowe?
Neuronowe - za pomocą statystyk regresyjnych, jeśli są dobre to oblicza sie względny błąd globalny, a w przypadku szeregów czasowych dodatkowo przeprowadza sie jeszce weryfikacje logiczna, a weryfikacji systemów ekspertowych
dokonuje się za pomocą testu Turinga, który porównuje odpowiedzi eksperta z odpowiedziami systemu. Przy weryfikacji systemów eksperckich wykonuje się również sprawdzenie logiczności utworzonych reguł. I na tej podstawie określa
poprawność
systemu.
3. Przedstaw cechy i znaczenie metod sztucznej inteligencji w stosunku do tradycyjnych?
w przypadku SN dane nie muszą być pewne, sformalizowane, nie ma określonych wzorców zachowań, maja zdolność przyswajania wiedzy na podstawie przykładów, nie wymagają opisu zjawisk, wykonują obliczenia ... systemy e. - nie
wykonują obliczeń, odwołują sie tylko do bazy wiedzy, rozwiązywaniu problemów wymagających wiedzy eksperta itd. ...a w tradycyjnych nie ma tego wszystkiego
narysowalem
mu
jeszcze
jak
wyglada
taka
tabelka
ktory
czynnik
jak
wplywa
i
powiedzialem
ktory
bym
usunal
6. Jakie są czynniki decydujące o jakości modelu neuronowego?
napisałem jeszcze ze zależy czy siec ma właściwości uogólniające czy aproksymujące, struktura i rodzaj sieci, zbiór przypadków walidacyjnych, zbiór uczący, długość uczenia
EKSPERTYZA badanie osoby, rzeczy lub sprawy przez specjalistów (ekspertów, biegłych) w celu wydania orzeczenia, stosowane np. w medycynie, technice, sądownictwie;)
4. Zb. uczący, walidacyjny, testujący
zbiór uczący: prezentowany sieci w trakcie uczenia i służący do modyfikacji wartości parametrów zbiór walidacyjny: pozwalający na monitorowanie procesu uczenia
zbiór testujący: do przeprowadzenia ostatecznej oceny uzyskanej sieci
5. Różnice między: główne składowe a szereg czasowy
Szereg czasowy to realizacja procesu stochastycznego, którego dziedziną jest czas; to ciąg informacji uporządkowanych w czasie, których pomiary wykonywane są z dokładnym krokiem czasowym. Jeżeli krok nie będzie regularny wtedy
mamy do czynienia z szeregiem czasowym rozmytym. Badaniem własności szeregów czasowych i prognozowaniem na ich podstawie zajmuje się analiza szeregów czasowych.
Badaniem własności szeregów czasowych i prognozowaniem na ich podstawie zajmuje się analiza szeregów czasowych
Pytanie w którym trzeba było wykazać różnice między 1 i 2 projektem.
To że jeden to była jakaś tam siec liniowa i dotyczyła modelowania ciągu danych, a drugie to siec MLP czy stawianie prognozy na podstawie szeregu rożnych wskaźników (grupy danych) różnią się też oczywiście sposobami weryfikacji
ich działania. Więcej można napisać analizując co sie robiło w projektach 1 i 2
def. komputerowego wspomagania decyzji
oparty o technikę komputerową system, który wspomaga proces podejmowania decyzji
co to jest przeuczenie i co je powoduje
Przeuczenie sieci – dopasowanie się ściśle do przypadków uczących
Przyczyny przeuczenia:
-rozbudowana struktura sieci
-zbyt długie uczenie
-mała liczba przypadków uczących
wady i zalety SE
ZALETY SYSTEMU EKSPERTOWEGO:
-jawna reprezentacja wiedzy
-zdolność wyjaśnienia rozwiązań
-stała, szybka, tania, ekspertyza
-łatwość obsługi
-łatwość rozbudowy
-przetwarzanie symbolicznej wiedzy
WADY SYSTEMU EKSPERTOWEGO:
-brak możliwości obliczeń
-wiedza ograniczona do BW
-trudności pełnej weryfikacji
-zakres wiedzy ściśle specjalistyczny
Od czego zależy jakość głównych składowych sieci neuronowych?
Jakość modelu głównych składowych zależy od:
-jakości uczenia
-wyboru zmiennych wejściowych i ich liczby
licznosc zbioru uczacego
struktury sieci (dlugosc uczenia, punkt startowy, zbior walidacyjny)
sieci neuronowe sie weryfikuje:
- metoda empiryczna - sprawdza sie wyniki sieci z rzeczywistymi (sprawdza sie tyle wynikow ile jest wejsc)
- druga metoda - weryfikacja logiczna; poprawnosc zaleznosci miedyz wejsciem a wyjsciem
Roznice
miedzy
modelem
glownych
skladowych
a
m.
szeregu
czasowego:
hm... w modelu szeregu czasowego bierzemy pod uwage tylko czas, a w modelu glownych skladowych kilka najwaznijszych czynnikow, majacych wplyw na badana wartosc (np cene buraka xD). M.sz.cz. stosuje sie tylko wtedy gdy
wystepuje wyrazna zaleznosc od czasu, jest zawodny gdy wystapia jakies zaklocenia.
Def.
Jesli poprawnosc odpowiedzi dochodzi do 10% to ekspertyza jest prawidlowa
testu
Sztuczna inteligencja – dziedzina informatyki dotycząca metod i techniki wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas takiego wnioskowania.
Metody sztucznej inteligencji:
Touringa
- systemy ekspertowe; - zbiory rozmyte i logika rozmyta; - Sztuczne sieci neuronowe; - Algorytmy genetyczne i ewolucyjne; - teoria chaosu
Sieci neuronowe - Nazwą tą określa się symulatory (programowe lub sprzętowe) modeli matematycznych realizujące pseudorównoległe przetwarzanie informacji, składające się z wielu wzajemnie połączonych neuronów i naśladujący
działanie biologicznych struktur mózgowych
Metody sztucznej inteligencji służą próbie opisywania rzeczywistości w sposób naśladujący rozumowanie człowieka wykorzystując do tego celu rozwiązania zaczerpnięte z biologii za pomocą komputera.
Główne własności sieci:
- adaptacja i samoorganizacja, - równoległość przetwarzania, - programowanie drogą uczenia się (z trenerem lub bez), - odporność na uszkodzenia
Typy zastosowań
predykcja, optymalizacja, klasyfikowanie i rozpoznawanie, kojarzenie danych,
analiza danych, filtracja sygnałów
Metody kodowania:
Kodowanie binarne – stosowane w klasycznym A.G. Zapis liczb dziesiętnych w systemie dwójkowym. Każdy bit kodu dwójkowego odpowiada kolejnej potędze liczby 2. Przykład: ciąg binarny [1 0 0 1 1] jest kodem liczby 19, bo:
1*24+0*23+0*22+1*21+1*20=19
W algorytmach genetycznych można stosować np. kod Gray’a, który charakteryzuje się tym, że ciągi binarne odpowiadają dwóm kolejnym liczbom całkowitym, różnią się tylko jednym bitem.
Kodowanie logarytmiczne– stosowane jest w celu zmniejszenia
długości chromosomów w algorytmie genetycznym. Zastosowanie ma głównie w problemach optymalizacyjnych z wieloma parametrami o dużych przestrzeniach poszukiwań.
Plik z chomika:
odbedote
Inne pliki z tego folderu:



1mpz.doc (62 KB)
2mpz.docx (23 KB)
 automaty.doc (2978 KB)
 Badanie przetworników_P-Obstawski-1.doc (95 KB)
BILANS ENERGETYCZNY POWIERZCHNI CHŁODZONYCH.docx (36 KB)
Inne foldery tego chomika:

ET
 ET wykład
 JP
 PPL
 PPP
Zgłoś jeśli naruszono regulamin





Strona główna
Aktualności
Kontakt
Dział Pomocy
Opinie


Regulamin serwisu
Polityka prywatności
Copyright © 2012 Chomikuj.pl
Download
Random flashcards
bvbzbx

2 Cards oauth2_google_e1804830-50f6-410f-8885-745c7a100970

Create flashcards